《中国人工智能学会通讯》——8.16 演化计算中的机器学习

8.16 演化计算中的机器学习

演化计算与机器学习是同属人工智能的紧密相连的两个研究方向,一方面演化算法 (EAs,evolutionary algorithms) 可以用于求解机器学习中的复杂优化问题;另一方面机器学习可辅助 EA。本文侧重后者。

需要指出的是,EA 本身也具有内在学习的能力,演化计算研究者从最初即意识到学习在 EA 中的重要性,例如遗传算法 (genetic algorithm) 中的积木块 (building blocks) 假设就是利用积木块来学习自变量之间的关联性,以提高算法性能[1] 。随着机器学习(尤其是统计机器学习)方法在过去 20年内的崛起,机器学习在演化计算领域的应用日趋明显,有相当一部分最新成果显式地采用了机器学习技术[2] 。本文围绕这些研究进展,分析了应用机器学习方法的必要性,并分别从单目标优化和多目标优化的角度,通过举例简要说明了如何将机器学习方法应用到 EA。

时间: 2017-09-04

《中国人工智能学会通讯》——8.16 演化计算中的机器学习的相关文章

《中国人工智能学会通讯》——8.35 软件工程中的演化计算研究

8.35 软件工程中的演化计算研究 演化计算(Evolutionary Computation)是通过模拟生物进化过程与机制来求解问题的自组织.自适应的人工智能技术,在模式识别.机械工程.电气工程.生物学等众多领域都获得成功[1-2] .近年来,演化计算在软件工程领域也获得了广泛应用,形成了新的学科交叉方向--基于搜索的软件工程(SBSE,Search-Based SoftwareEngineering). 2001 年,Mark et al [3] 首次提出了"基于搜索的软件工程"的

中国人工智能学会通讯——KS-Studio:一个知识计算引擎 1.2 知识图谱构建

1.2 知识图谱构建 知识图谱由实体.实体的属性描述以及实体和实体之间的关联构成.尽管其对于大数据人工智能的实现意义非凡,但其构造过程却极为困难.在早期,知识图谱构建单纯依赖于人类专家.在这一方法中,知识图谱中的实体.实体属性与实体关联关系完全由专家人工构造,此类知识图谱包括WordNet[2].CyC[3]等.WordNet定义了词汇之间的特定语义关系,包含约15万个词汇.20万个词汇语义对:CyC 包含了320万条人工定义的断言,涉及30万个概念.1.5万个谓词.随着互联网兴起,虽然依靠专家

中国人工智能学会通讯——KS-Studio:一个知识计算引擎 1.3 KS-Studio 知识计算引擎

1.3 KS-Studio 知识计算引擎 2012年,中国工程院启动建设"中国工程科技知识中心(CKCEST)"项目1.该项目是我国工程科技领域重要的大数据项目,旨在打通和汇聚各类工程科技数据资源,通过技术分析处理形成知识库,并开发各种应用提供知识服务,推动国家工程科技战略思想库的建设,服务于国家的战略决策. 从数据的性质看,建设知识中心所需的知识是高度结构化的,而分散在各工程科技领域的数据资源绝大部分属于非结构化数据.如何将无序繁杂的文本.图像.视频等原始的非结构化数据加工转化为有序

中国人工智能学会通讯——KS-Studio:一个知识计算引擎 1.4 结束语

1.4 结束语 下一代人工智能(AI 2.0)将改变计算本身,将大数据转变为知识以支持人类社会作出更好决策[19].目前KS-Studio正在以知识图谱的自动构建为基础,不断丰富对于非结构化数据的知识加工处理的能力,并在不断探索将数据驱动方法与人类常识先验与隐式直觉有效结合起来的可能,我们认为只有如此才能实现可解释.更鲁棒和更通用的人工智能.

中国人工智能学会通讯——KS-Studio:一个知识计算引擎 1.1 背景

1.1 背景 人工智能正再次成为国际国内学术界和产业界关注的热点,深度学习.迁移学习和增强学习等方法在诸多领域得到了成功应用.图灵早期对获得机器智能进行了一些设想[1],即通过添加遗传物质,辅以变异.进化.教育与自然选择等手段来使得"the child machine"成熟,并进一步去模仿成人的思维,这一设想至今仍具借鉴意义.与孩童成长类似,这个"child machine"首先需要对语言.文字.图像等非结构化数据所蕴含的(常识性)概念进行理解,来感知外界环境,这是

《中国人工智能学会通讯》——8.2 自然界中的鸽群导航行为

8.2 自然界中的鸽群导航行为 鸽子是一种非常常见的鸟,世界各地广泛饲养,鸽是鸽形目鸠鸽科数百种鸟类的统称.鸽子具有很强的记忆力,甚至可以产生牢固的条件反射.鸽子和人类伴居已经有上千年的历史了,考古学家发现的第一幅鸽子图像,来自于公元前 3 000 年的美索不达米亚,也就是现在的伊拉克--古罗马人很早就已经知道鸽子具有归巢的本能.在体育竞赛过程中或结束时,通常放飞鸽子以示庆典和宣布胜利.古埃及的渔民,每次出海捕鱼多带有鸽子,以便传递求救信号和渔汛消息--在今天,人类仍然利用它进行隐蔽通讯,海上航

《中国人工智能学会通讯》——11.46 微博中的实体链接技术

11.46 微博中的实体链接技术 近来微博已成为互联网用户越来越重要的信息来源,每天有数亿条微博被产生出来.将微博中出现的命名实体链接到知识库中的对应实体有助于微博用户兴趣点的发现,以及微博推荐等应用.由于微博文本本身短小.随意且低质的特点,微博中的实体链接任务更具挑战性.自然语言文本中的实体链接技术主要针对万维网中的新闻文章,它们的基本想法是利用文本的相似性和同一文档中实体的主题一致性来进行链接.然而由于单条微博中包含的信息量非常有限,使得这些方法对于微博中的实体链接任务不能取得很好的效果.我

中国人工智能学会通讯——深度学习与视觉计算 1.3 计算机视觉领域利用深度学习可能带来的未来研究方向

1.3 计算机视觉领域利用深度学习可能带来的未来研究方向 第一个,深度图像分析.目前基于深度 学习的图像算法在实验数据库上效果还是 不错的,但是远远不能够满足实际大规模 应用需求,需要进一步的提升算法性能从 而能够转化相应的实际应用.比如这个基 于图片的应用,可以估计性别和年龄,但 是其实经常会犯错,因此需要进一步提升 深度图像分析的性能. 第二个,深度视频分析.视频分析牵扯 到大量的数据和计算量,所以做起来更加 麻烦.当前深度视频分析还处于起步的阶 段,然而视频应用非常广泛,比如人机交互. 智

中国人工智能学会通讯——无智能,不驾驶——面向未来的智能驾驶时代 ( 下 )

到目前为止似乎比较完美,而实际还 存在着一些问题.我们现在看到很多道 路上面,交通标志牌它的分布非常稀疏, 可能每过一两公里才能够检测出来一个 交通标志牌,因为毕竟这个深度学习算 法是目前最完美的,它有时候还会错过 一个交通标志牌,这时候怎么办呢?我 们会发现在路面上也有非常明显的视觉 特征,我只要把路面的这些视觉特征识 别出来进行匹配,其实是有连续的绝对 的视觉参考的.所以我们做的办法是, 把这个路面粘贴起来.这个粘贴的方法 很简单,跟我们手机拍场景图片一样, 我们慢慢移动的时候可以把这个场景